Главни Гров Како компаније попут Амазона и Гооглеа претварају податке у конкурентску предност - и како то такође можете

Како компаније попут Амазона и Гооглеа претварају податке у конкурентску предност - и како то такође можете

Ваш Хороскоп За Сутра

Шта је кључно за Амазон и Гоогле успех у приходу ? Одговор знају сви: Подаци.

Разлог за Фејсбуково царство друштвених медија и Спотифи-јево успоравање пословања са музичким стреамингом? Подаци.

Све ове компаније успеле су да искористе огромне количине информација које добијају од свог мноштва корисника - било да су то њихове навике у претраживању, постови које деле, производи које купују или музика коју слушају - у главне токове прихода. Није само чињеница да су ове компаније успеле да прикупе податке о милионима (или милијардама, у случају неких од ових компанија); то је да су те компаније успеле да ефикасно користе те податке како би боље разумеле и пласирале на тржиште својим корисницима. Све ове компаније користе вештачку интелигенцију (или, тачније, дубоко учење) да би то урадиле.

колико је висок Том Морело

Наравно, важно је напоменути да не морате бити доминирајуће предузеће попут Амазона или Гоогле-а да бисте податке претворили у конкурентску предност. Како вештачка интелигенција постаје све напреднија и све више усвајана, почећемо да виђамо како се многе компаније - велике и мале - обраћају уметној интелигенцији како би осмислиле боље стратегије података и придобиле усвајање од стране купаца, и како би се боље такмичиле против њихове конкуренције .

Кључ победе над конкуренцијом, према Јереми Фаин-у, у пионирској технологији неуронских мрежа когнитивно , има боље податке - не нужно више њих, већ податке које ваши конкуренти немају. У теорији је сваки бренд способан да развије сопствене јединствене податке, јер сваки бренд мора бити мало другачији да би се такмичио. То значи да се купци бренда у најмању руку мало разликују од оних који су у конкуренцији, што значи да имају јединствени угао који могу да искористе. Сваки податак који добијете о свом купцу или потенцијалном купцу је, према томе, још један податак који можете користити за израду ефикасне маркетиншке или рекламне стратегије.

где је далас киша данас

Да бисте ефикасно користили ове информације, прво морате да одлучите шта је ваш циљ. Да ли тражите већу продају? Да ли покушавате да постигнете већи пешачки промет у продавницама? Да ли вам је циљ већа тржишна свест о вашем производу? Када то учините, можете да погледате податке да бисте видели да ли су у правом формату за дубоко учење. То је нешто што је тешко објаснити једноставно, али у основи подаци морају бити у рашчлањеном стању - што значи да морају долазити из више извора, тако да се из њих могу извући дубљи закључци. То значи да заправо не треба да знате само колико је људи посетило продавницу, већ када је тачно свака особа посетила. Не морате више да гледате само колико сте продаја извршили, већ и то која је била свака продаја и коме. Да бисте дошли корак даље, морате да идентификујете које додирне тачке сте имали са купцем пре него што је обавио трансакцију с вама, који огласи су им приказани и када и где су се све интеракције догодиле. Још увек не прикупљате ову врсту података? Па, то је твој први домаћи задатак.

То значи да ћете имати много више података за чување него што сте били навикли, али добра вест је да је складиштење јефтино. Осим тога, без тих информација нећете моћи да искористите снагу дубоког учења и да се такмичите у овом новом свету.

Паул Теутул ср нето вредност 2016

Студија из 2016. године о руководиоцима Фортуне 1000 открио то само 48,4% испитаних пријавило је мерљиве резултате као резултат њихових иницијатива за податке - али 80,7% је сматрало да су напори били успешни и од суштинске важности. То значи да сви знају да морају боље и не виде алтернативу, али потребно је нешто више пре него што се у меру постигну мерљиве користи.

Већина иницијатива за податке пропушта један једноставан састојак: дубоко учење. То је често погрешно схваћена тема, коју Цогнитив'с Фаин дефинише као „напреднију врсту машинског учења која је способна да створи увид сличан човеку“. Способност дубоког учења да добије резултате из великих података сада је од суштинске важности не само из конкурентних разлога, већ и да би се претходна улагања у велике податке исплатила. Нажалост, 39,3% анкетираних и даље су говорили да њиховим организацијама недостаје велика стратегија за велике податке предузећа, или да на други начин нису свесни да ли постоји - ове компаније морају да се попну дуго. Заправо, већина стручњака заснованих на подацима има стрм успон испред нас. „Део изазова је тај што је сама индустрија незрела око података. Осврнућемо се за 15 година уназад на оно што радимо и рећи ћемо: „Зар то није било симпатично?“, Рекао је један директор Програмских медија за глобалну медијску агенцију са којом је недавно интервјуисан ИАБ студија групе Винтерберри Гроуп .

Велики подаци, аналитика података и вештачка интелигенција иду веома руку под руку. Вештачка интелигенција - и, продубљујући, дубоко учење - захтева податке, податке и хрпе истих. Једини начин на који дубинско учење може бити ефикасно за вашу организацију је ако имате сталан проток информација који ће их хранити. ' Наоружани овим информацијама, дубоко учење и неуронске мреже могу створити алгоритме и стратегије јединствене за ваш бренд - чиме се осигурава да марка остане конкурентна и иновативна. Као Фаин Истиче , „Способност потпунијег описивања и разумевања понашања потрошача потпунија је него икада раније, а такви подаци ће учинити АИ маркетиншке алате још ефикаснијим у наредних неколико година.“

У овом тренутку, свим брендовима је потребна снажна стратегија података. Погледајте само брендове попут Маци'с и Ј.Ц. Пеннеи данас, који се муче као резултат приступа који се усредсређују на податке гиганата е-трговине попут Амазона и еБаиа. Поседовање праве стратегије и, што је једнако важно, правих алата за максимално коришћење података, је оно што ће вам помоћи да одржите компанију конкурентном и успешном.